Stochastic dispersal increases the rate of upstream spread: A case study with green crabs on the northwest Atlantic coast
Notice bibliographique
Résumé
Dispersal heterogeneity is an important process that can compensate for downstream advection, enabling aquatic organisms to persist or spread upstream. Our main focus was the effect of year-to-year variation in larval dispersal on invasion spread rate. We used the green crab, Carcinus maenas, as a case study. This species was first introduced over 200 years ago to the east coast of North America, and once established has maintained a relatively consistent spread rate against the dominant current. We used a stage-structured, integro-difference equation model that couples a demographic matrix for population growth and dispersal kernels for spread of individuals within a season. The kernel describing larval dispersal, the main dispersive stage, was mechanistically modeled to include both drift and settlement rate components. It was parameterized using a 3-dimensional hydrodynamic model of the Gulf of St Lawrence, which enabled us to incorporate larval behavior, namely vertical swimming. Dispersal heterogeneity was modeled at two temporal scales: within the larval period (months) and over the adult lifespan (years). The kernel models variation within the larval period. To model the variation among years, we allowed the kernel parameters to vary by year. Results indicated that when dispersal parameters vary with time, knowledge of the time-averaged dispersal process is insufficient for determining the upstream spread rate of the population. Rather upstream spread is possible over a number of years when incorporating the yearly variation, even when there are only a few "good years" featured by some upstream dispersal among many "bad years" featured by only downstream dispersal. Accounting for annual variations in dispersal in population models is important to enhance understanding of spatial dynamics and population spread rates. Our developed model also provides a good platform to link the modeling of larval behavior and demography to large-scale hydrodynamic models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».